生物信息数据分析常见问题及解决办法

常见问题解决办法

1 linux下jboss上传txt文件读取后乱码问题解决方案

linux默认编码是utf-8,windows是GB2312,所以如果linux下读写txt文件和window下是不一样的，必须统一编码。

如果linux下读取txt文件用utf-8那么很容易出现问题，因为客户端windows 的编码格式默认是GB2312.如何解决呢?

解决方案为:无论读取和写入都统一gbk编码。具体步骤为:

1.读取文件时，不论字节字符流读取txt文件都行.因为默认是GB231

2.

2.保存后取数据时，如果没有转码的字符串，用gbk进行转码。

2 windows 中文字拷到linux脚本中存在问题

因为MS-DOS及Windows是回车＋换行来表示换行，因此在Linux下用Vim查看在Windows下用VC写的代码，行尾后的“^M”符号，表示的是符。

在Vim中解决这个问题，很简单，在Vim中利用替换功能就可以将“^M”都干掉，键入如下替换命令行：

1)vi -b setup.sh

2)在命令编辑行<就是：按ESC键然后shift+:冒号>输入：%s/^M//g

注意：上述命令行中的“^M”符，不是“^”再加上“M”，而是由“Ctrl+v”、“Ctrl+M”键生成的。

这样替换掉以后，保存就可以执行了。当然还有其他的替换方式比如：

a.一些linux版本有 dos2unix 程序，可以用来祛除^M。

b.cat filename1 | tr -d "/r" >newfile 去掉^M生成一个新文件，还有sed命令等，凡是可以替换的命令都是可以用来新生成一个文件的。

3perl中字符范围转义大小写转化函数

3.1 字符范围转义

3.2大小写转化函数

大写转化为小写：$a=lc($b);

小写转化为大写：$a=uc ($b)

4 Perl 哈希赋值

exists函数

要查看hash中是否存在某个key，可以使用exists函数，如果hash中存在此key，则返回true，与是否有对应的value无关。

my %hash = ("a"=>1, "b"=>2, "c"=>3, "d"=>4);

if(exists $hash{'a'})

{

print "true";

}

5 Hiseq数据所内传输

IT邮件：我考虑了一下，关于研究所内部数据传输，最简单的方法还是由你来统一copy ．理由如下，如果按照上次philipp组xiongjieyi

的方式来进行权限设置，可能会出现问题，因为太多的帐号需要不同的设置，难免出错．如果由你来copy

则采用推送方式，出错机会小．为此，我们需要进行以下几步:

1.

在试验完成后，所有的数据都出来以后，你打电话告诉用户，请用户在组目录下建立一个接收数据的目录如/picb/clingenet/hiseq-data

, 注意告诉用户这个目录必须设置成组用户可读写!

2.

然后打电话告诉我，我会帮你暂时设置到那个组里，(因为相同的组可以写那个目录)

copy 结束后，会帮你取消掉．

3. 我给你做了个脚本，你可以用，用法如下，你登陆到liyang-svr1 :

~/rsync1.sh /picb/hiseq/data/Christine/20120608 /picb/clingenet/hiseq-data (~/rsync1.sh 源目录, 目标目录)

就可以把所有的数据copy 到那个接受目录下．

如果需要其他帮助，告诉我．

6 linux下查看某个文件夹大小的命令

df命令可以显示目前所有文件系统的可用空间及使用情形

df -h /picb/hiseq

du：查询文件或文件夹的磁盘使用空间

For example:

du -h --max-depth=1 /picb/hiseq/data/Jackie_Han/20120608

230M /picb/hiseq/data/Jackie_Han/20120608/Sample_P12D017

152M /picb/hiseq/data/Jackie_Han/20120608/Sample_P12D015

156M /picb/hiseq/data/Jackie_Han/20120608/Sample_P12D008

179M /picb/hiseq/data/Jackie_Han/20120608/Sample_P12D019

218M /picb/hiseq/data/Jackie_Han/20120608/Sample_P12D011

149M /picb/hiseq/data/Jackie_Han/20120608/Sample_P12D014

202M /picb/hiseq/data/Jackie_Han/20120608/Sample_P12D010

122M /picb/hiseq/data/Jackie_Han/20120608/Sample_P12D018

208M /picb/hiseq/data/Jackie_Han/20120608/Sample_P12D016

161M /picb/hiseq/data/Jackie_Han/20120608/Sample_P12D009

238M /picb/hiseq/data/Jackie_Han/20120608/Sample_P12D007

206M /picb/hiseq/data/Jackie_Han/20120608/Sample_P12D006

2.2G /picb/hiseq/data/Jackie_Han/20120608

7 Single-read、Paired-end和Mate-pair主要区别

Single-read、Paired-end和Mate-pair主要区别在测序文库的构建方法上。

单端测序(Single-read)首先将DNA样本进行片段化处理形成200-500bp的片段，引物序列连接到DNA片段的一端，然后末端加上接头，将片段固定在flow cell上生成DNA簇，上机测序单端读取序列(图1)。

Paired-end方法是指在构建待测DNA文库时在两端的接头上都加上测序引物结合位点，在第一轮测序完成后，去除第一轮测序的模板链，用对读测序模块(Paired-End Module)引导互补链在原位置再生和扩增，以达到第二轮测序所用的模板量，进行第二轮互补链的合成测序(图2)。